模型

根据VentureBeat Pulse Research对101家企业的调查，企业代理编排正在向模型提供商平台集中，Anthropic的Claude以40%的使用率领先。然而，大多数部署的“代理”仍是简单的聊天机器人包装，真正的多步骤编排工作流仅占少数。企业预计到2026年底采用混合控制平面以避免供应商锁定，但实时成本控制仍不成熟。

德国研究联合体发布了Soofi S 30B-A3B的预训练报告，这是一个面向德语和英语的开放基础模型。模型采用混合Mamba-Transformer MoE架构，总计约316亿参数，每次token激活约32亿。在完全开放的基础模型中，Soofi S在英语和德语综合得分上最高。

谷歌研究团队在ICLR 2026发表论文，从数学上证明扩散模型的创造力源于神经网络训练中的“分数平滑”效应，使得模型能够在训练数据点之间插值，生成新颖且合理的样本。

在一次黑客事件中，AI音乐生成器Suno的训练数据被曝光，显示其从YouTube Music、Deezer和Genius等平台抓取了数百万首歌曲和歌词。这加剧了针对Suno的版权诉讼，该公司承认抓取但辩称属于合理使用。黑客还获取了客户信息，但Suno声称安全事件已得到控制，未泄露敏感数据。

一个研究团队成功利用分布在四个国家的14台Mac电脑（包括一台个人MacBook）进行强化学习后训练，在PaperSearchQA任务上将pass@1从29%提升至63%。该系统通过PULSE权重同步技术实现90MB的增量更新，并采用异步星型拓扑结构，所有通信基于对象存储，无需专用网络。这是首次完全使用消费级Mac进行rollout生成的RL后训练。

Tura是一个本地开源编码代理，通过在DeepSWE v1.1基准测试中使用宏CLI命令和反向推理，相比Codex CLI High，将LLM调用次数减少80%，同时成功率从60%提升至80%。

研究人员发现Claude的web_fetch工具存在漏洞，允许攻击者通过嵌套链接诱导AI泄露用户私人记忆中的敏感信息，如姓名、位置和雇主。Anthropic已修复该漏洞，但未支付漏洞赏金。

韩国研究人员利用生成式AI模型Generative SNUPI，能够将用户绘制的形状自动转化为可折叠的DNA纳米结构，大幅简化了传统DNA折纸技术繁琐的设计过程，为纳米机器人和医疗应用开辟新途径。

AI-CLI是一个用单一C文件实现的命令行助手，可将用户请求直接转换为shell命令并执行。它支持多种本地LLM引擎，如llama.cpp、Ollama等，并允许用户在执行前编辑或拒绝生成的命令。该项目提供了丰富的示例和广泛的平台兼容性。

OpenAI的自动化红队系统GPT-Red利用自我博弈提升AI安全性、对齐性和提示注入鲁棒性。

尽管Anthropic声称其模型Claude内部出现意识迹象，但神经科学家阿尼尔·塞思认为，这不过是模拟，就像天气预报系统不会产生真实飓风一样。

本文介绍了一种用于AI治疗的系统设计，该系统通过确定性管道决定临床行动，不让LLM自行决策。系统包括评分、状态桶、准入表、动作选择、微实践和危机预筛查等步骤，仅在评分和生成阶段使用LLM。文章还讨论了该方法的成本与局限性。

DiffRadar是一种实时雷达SLAM系统，将雷达观测建模为可微的物理感知高斯场，而非离散扫描。在公共基准测试中大幅降低轨迹误差，尤其在特征贫乏的走廊环境下，同时地图一致性提升一倍以上，并保持70 FPS的实时性能。

本文提出一种基于契约的行为树合成架构，通过编码智能体查询机器人端的MCP服务器获取技能库和操作符，实现从自然语言到可执行行为树的可靠合成。实验表明该方法在模拟和实体机器人上均取得高成功率。

一项研究探讨了在协作单词联想游戏中，机器人的注视行为如何影响人类的视觉注意力，以及人类是否倾向于向机器人寻求确认性的注视。实验使用NAO机器人作为大语言模型驱动的对话伙伴，发现机器人注视方向不影响人类首次注视提议单词的时间，但参与者在对话中包含确认请求时会更频繁地注视机器人。结果表明，在认知要求高的任务中，语言方面可能压倒了机器人注视的影响。

GaitSpan是一种新颖的人形机器人步态扩展框架，它利用预训练的行走策略作为种子技能，通过节奏生成、步幅塑造和残差适应三个模块，将基本行走能力平滑扩展到奔跑，实现了连续速度范围、跨形态迁移和零样本部署。

提出一种无监督图像翻译框架，将白天植物行RGB图像转换为近红外（NIR）夜间图像，无需逐像素监督，从而重用白天语义标签训练夜间感知模型。利用预训练CLIP模型保持语义一致性，并引入可见性掩码处理NIR照明有效范围有限的问题。在AgriNight数据集上评估，该数据集包含428张白天和549张夜间图像，是首个夜间农业视觉导航基准。实际机器人夜间导航实验验证了有效性。

多机器人在受限环境中需要变形和重构两种行为。现有方法独立建模或依赖规则，易导致死锁。EFLUX提出几何基础的LLM智能体框架，联合推理变形和重构动作，通过闭环生成与验证实现安全导航。实验表明能减少死锁和导航失败。

一项新研究探讨了无需训练的人工合成图像溯源方法中表示空间与参考选择之间的相互作用。通过分析CLIP和DINOv2不同层的表示，以及三种参考选择方法，发现中间层的表示在溯源准确率上表现最佳，且语义约束的参考能有效减少查询与参考之间的不匹配，提升溯源性能。

本文系统评估了持续学习方法在异构医学视觉问答任务中的表现，涵盖分类、多标签分类、检测、细胞计数和报告生成等多样化临床目标。研究发现现有持续学习方法难以在不同目标与监督格式交织的任务中保持稳定性-可塑性平衡。

SymbOmni是一种新型AI模型，旨在解决当前模型“永恒新手”的问题——即无法积累经验并自主进化。它通过符号概念学习，利用可优化的记忆模块将低级操作抽象为可重用的符号工作流指令，并通过归纳-转导循环实现持续自我改进。实验表明，SymbOmni在图像质量和任务成功率上超越现有代理系统及闭源模型，同时减少40%以上的令牌消耗，并在持续学习基准上取得新成果。

本文提出MetaView，一种基于扩散模型的单目新视角合成框架，能够从单张图像实现大视角变化下的渲染。通过结合隐式几何建模与度量深度，MetaView在保持几何一致性的同时提供了精确可控性。实验表明，在挑战性大视角变化场景下，MetaView显著优于现有方法。

SpikeDS是一种新型脉冲神经网络架构，通过结合激活稀疏性和空间稀疏性，高效地从3D MRI中预测胆管癌的神经侵犯，在139名患者的队列中实现了0.753的AUC，能耗仅14.4 mJ。

自监督学习在医学影像领域潜力巨大，但标注数据稀缺。本文提出COJEPA框架，结合联合嵌入预测架构和对比损失，在无标注的T1加权脑部MRI上训练，实现了优异的局部预测性和全局判别性。在零样本双胞胎检索、脑肿瘤分割和年龄回归任务中表现突出，尤其在同卵双胞胎识别和年龄预测误差方面达到最先进水平。

本文提出一种新方法，通过视觉语言模型（VLM）生成逐帧描述，并比较两个任务视频间的帧相似度及段内自相似性，自动检测异常帧，从而提取包含专家特定动作和情境决策知识的候选场景。在模拟配电板维护实验（27个任务场景）中，该方法动作候选提取率达65%，决策场景候选提取率达61%，优于传统方法的59%和33%。

GenDiff是一种新型扩散模型框架，通过联合建模连续辐射剂量和解剖信息，实现低剂量CT重建。它整合了剂量-解剖编码器、冷扩散主干、物理一致性更新和结构先验细化模块，在多种临床数据集上优于现有方法，展现出强大的鲁棒性和泛化能力。

TSCA-Net通过三个互补模块（时空团注意力、跨行人团势、自适应KAN网格细化）显著提升拥挤环境中的行人轨迹预测精度，在ETH/UCY和SDD基准上达到最先进性能。

提出两种混合持续学习方法（RA-EWC和CGKD），用于低资源澳大利亚原住民语言识别，有效缓解灾难性遗忘，在Warlpiri、Dalabon和Dharawal三种语言上表现优于现有基线。

该论文揭示了语言模型如何区分角色的信念与现实。研究发现，这种分离基于两个可分离的机制：一个通用值槽绑定属性值，一个路由器根据查询选择读取的框架。值槽可以通过两种方式填充：直接断言和基于可见性的推导。分离位于独立的路由子空间中，而不是值槽本身。这些结果在多种架构中得到验证，且该行为在3B至7B参数规模的模型中出现。

本文通过MAGE框架研究多组件提示优化中不同组件的相互作用，揭示了提示优化耦合效应（POCE）：多个随机优化信号在闭环反射回路中相互作用，同时提升性能与放大方差。关键发现包括：基于失败反思不可或缺、MAGE在GSM8K-Hard上优于GEPA、增大候选多样性使POCE信号最明显、POCE依赖于基础模型能力空间、低数据场景下固定提示优于优化器。

本研究通过两阶段流水线（监督微调+4位量化）将LLaMA 3 (8B)微调为高效的替代重排序器，在RAG管道中替代传统交叉编码器，在保持高准确率的同时显著降低推理成本。在领域特定问答基准上，微调模型在答案相关性、上下文精度、答案相似度和答案正确性上分别提升14%、16%、19%和21%。

本文提出了一种基于轨迹感知知识估计（TAKE）的文本数据集蒸馏框架，利用影响函数和训练轨迹计算每个样本的知识得分，并通过最优传输选择原型样本，可将语料库压缩至原始大小的0.1%，同时保持下游任务性能。该方法在文本分类和自然语言推理任务上验证了有效性，为数据高效AI提供了理论支撑。

本文提出一种基于图的框架，结合弱监督与传播图分析，检测Telegram生态系统中的虚假信息叙事。该方法将语义相关的声明聚合为叙事级聚类，并建模其在互连频道间的扩散，从而发现仅通过帖子级分析难以捕捉的协调放大行为。实验表明，融合文本信号与网络结构可提供可扩展的检测方法，并揭示虚假信息在大型消息环境中的传播机制。

一项新研究评估了最先进的大语言模型在韩语-盲文双向翻译上的表现，发现输出质量差且不稳定，与人类判断存在显著分歧。相比之下，对小型T5-small模型进行监督微调后，所有标准指标均大幅提升。研究表明，当前LLM缺乏盲文感知的标记化，且与盲文模式对齐薄弱，揭示了无障碍关键模态中的系统性限制。

本研究提出G-SHARE框架，将核电站人因事件诊断的CNNP九步准则转化为多阶段诊断流程，包括证据提取、逐步推理和一致性修复。在真实数据集上，G-SHARE显著优于一次性提示和传统机器学习方法，表明结构化推理和一致性约束对稳健诊断至关重要。

本文介绍了CANDI-QA数据集，用于评估大型语言模型在医学诊断和金融咨询等专业领域的上下文对齐能力。数据集包含信息辅助和应用推理两类问题。研究评估了十多个模型，并提出了轻量级神经符号框架MTSS-Net作为基线。结果表明，当前LLM在专业领域实现上下文对齐仍面临重大挑战。

本研究通过扩展规模，大幅缩小了点及时语言模型与不受时间约束模型之间的性能差距。研究者训练了多达40亿参数的解码器专用Transformer模型，使用FineWeb中1万亿按时间顺序筛选的令牌，构建了从2013年到2024年的月度模型检查点序列。在常识推理和语言理解基准测试中，这些模型接近了同等规模的领先开放权重模型（如Gemma-3-4B和LLaMA-7B）的性能。通过LoRA进行指令微调进一步提升了下游可用性。研究团队发布了完整的流水线，以实现可复现的点及时语言建模。

研究人员提出BattVAE-GP框架，结合变分自编码器和高斯过程，高效模拟锂离子电池在不同充电速率下的长期退化轨迹，并量化不确定性。该方法降低了计算成本，为电池健康预测提供了高效替代模型。

随着大型预训练模型规模增长，微调中的内存瓶颈日益突出。LoRA通过低秩适应减少参数，但激活值存储成为新的瓶颈。CARE-LoRA利用LoRA投影结构，将完整输入激活替换为低秩压缩激活，并计算轻量重建矩阵用于反向传播，大幅降低内存占用，同时保持或提升性能。

本文介绍了由Afonso S. Bandeira、Amit Singer和Thomas Strohmer合著的新书《数据科学的数学基础》，该书全面涵盖了高维诅咒与祝福、奇异值分解、线性回归、图论与聚类、非线性降维、随机投影、优化、分类、深度学习、图拉普拉斯、集中不等式、压缩感知等主题，为数据科学提供了坚实的数学基础。

镜像理论提出通过可行路径熵（VPE）度量智能系统在反复反射下维持连贯延续的能力。实验表明，增加token预算可扩展验证可达性，且模型能力并非仅取决于参数数量。

线性注意力模型通过固定大小的循环状态取代softmax注意力的KV缓存，但限制了精确状态跟踪和长上下文记忆。本文提出半直积傅里叶增量注意力（SFDA），一种相位控制的泛化方法，将实对角衰减替换为块旋转傅里叶控制。主要贡献是构造性块WY分解，实现了精确的仿射块传输、形式化稳定性和复杂度界限，以及相位加低秩记忆的紧凑表征。实验表明SFDA能学习循环记忆，而相位禁用的KDA基线接近随机。

本文提出GenAI Evaluation，一种配置驱动的流水线，用于大规模评估零售对话系统。通过规范化、分片、异步执行和模式约束的LLM评分，评估有帮助性、真实性、清晰度、语气一致性和翻译维度。选择性重新评估仅处理无效记录，支持模式锁定和版本化配置。每日处理约5万条记录，已评估超200万次交互。在12,980条人工标注记录上取得宏F1 0.93和翻译准确率89%。

本研究探讨了多智能体语言模型系统中交互图结构如何影响共识形成。通过命名游戏协议，研究人员分析了开源语言模型（1.1B-32B参数）群体中的约定形成过程。研究发现，同质性阈值相似性路由会加剧碎片化，而桥梁寻找路由在有记忆的情况下可修复碎片化。在异质模型群体中，阈值相似性导致共识失败，而状态组件和标签分歧桥梁可恢复共识。同质模型群体中，保留历史通常促进共识，其中Qwen2.5-32B模型在所有保留历史设置中均达到稳定共识。该研究还验证了结果对状态阈值、群体规模和词汇表大小的鲁棒性，并表明早期窗口图能量特征可作为有效的网格内诊断工具。

论文提出了一个“代理就绪网站”设计框架，旨在增强电商平台对AI代理的可读性、可解释性、可验证性和可操作性。实验表明，代理就绪网站将严格成功率从49.3%提升至89.3%，部分成功结果从43降至3，平均步骤数从9.31降至6.49。

本文批判了人工智能中的优化文化，指出优化过程虽然能衡量文本的不可预测性，但无法区分错误与创新。尽管如此，优化已在短短五年内取代了传统机构，掌握了定义合法语言权威的地位。

GRID是一种基于语法约束的解码引擎，通过将LALR(1)解析器状态作为掩码键，确保SQL输出语法正确且符合角色权限策略，提供可证明的保证、恒定时间成本及完整审计追踪。在Spider数据集上，0.5B模型执行准确率提升13%，7B模型通过修复达到94.5%可执行率。

该研究结合了本体增强蒸馏与情境审计两项方法，针对受数据居留规则约束的金融机构，提出租户自有语言模型的构建与治理方案。蒸馏实验表明，Qwen3.6-27B学生模型在40项越南语金融任务中达到36项正确，与GPT-5相当，但统计功效不足以证明等价；情境审计试点的结果表明残存情境性为零，直接影响与构造耦合才是有效信号。研究不支持当前模型的可部署性、安全性或优越性。

本文综述了非平稳环境下的上下文强化学习（ICRL），即预训练或微调的决策模型如何仅通过交互上下文推断潜在任务规则并改进未来行为，而无需在测试时更新参数。在变化的环境中，累积的上下文可能变得过时甚至误导，因此策略必须推断当前决策规则并识别哪些历史证据仍然有效。论文围绕三个核心问题组织文献：什么在变化、变化如何展开以及变化对智能体的可观察程度，并将其与元强化学习、决策序列建模、检索增强强化学习等方法联系起来。

本文提出了一个严格的永续期货市场最优做市理论框架，将做市问题建模为随机最优控制问题，贡献包括损益分解定理、HJB方程、高APY区域定理等。数值分析揭示了盈利与非盈利区间的相变。